Crowdly
Add to Chrome
Analiza datelor în procesul decizional_MBDM1_26-27
Looking for Analiza datelor în procesul decizional_MBDM1_26-27 test answers and solutions? Browse our comprehensive collection of verified answers for Analiza datelor în procesul decizional_MBDM1_26-27 at econ.elearning.ubbcluj.ro.
Get instant access to accurate answers and detailed explanations for your course questions. Our community-driven platform helps students succeed!
Önálló adatelemzés: egészségügyi költségek és egyéni jellemzők
04. változat · Időkeret: 180 perc · Összesen: 100 pont
Egy elemzői feladatban azt vizsgálod, hogyan különböznek az állományban szereplő személyek egészségügyi költségei és egyes jellemzői. Olyan jelentést készíts, amelyben a választott módszer, a kód, az eredmény és annak értelmezése egyaránt követhető.
Adatfájl:biztositas_04.csv letöltése
Töltsd le a CSV-t, majd hozz létre egy új, HTML-kimenetű R Markdown-dokumentumot! Add meg a címet és a saját nevedet, a gyári mintaszöveget és példakódokat pedig töröld. Mentsd a dokumentumot Vezeteknev_Keresztnev_01.Rmd néven a CSV-t tartalmazó mappába. A csomagbetöltéseket és a beolvasást is írd bele, a CSV-t biztositas néven olvasd be. A jelentést önállóan építsd fel a feladatok sorrendjében, fejezetcímekkel, R-kódrészletekkel és szöveges értelmezésekkel. A fájl 800 megfigyelést tartalmaz; egy sor egy forrásbeli megfigyelés. Az adatállomány amerikai régiókat jelöl. A költségek időszaka, árszintjének referenciaéve és a mintavételi terv nem kellően dokumentált: ne nevezd a költséget éves díjnak, és ne általánosíts automatikusan az amerikai lakosságra.
| Változó | Jelentése | Egység |
|---|---|---|
age | Életkor | év |
sex | Nemi kategória: female / male | kategória |
bmi | Testtömegindex | kg/m² |
children | Biztosításban szereplő gyermekek/eltartottak száma | fő |
smoker | Dohányzás: no / yes | kategória |
region | Régió: northeast, northwest, southeast, southwest | kategória |
charges | Egyéni egészségügyi költség, nem biztosítási díj | USD |
Munkaszabályok
- A tanult módszerek közül válassz; a választást röviden indokold! Minden próbánál 5%-os szignifikanciaszinttel dolgozz.
- A jegyzetek és technikai vagy AI-segítség használható. A beadott kódot és következtetéseket értened és ellenőrizned kell. Más hallgató kész megoldásának átvétele nem megengedett.
- A számításokhoz az eredeti pontosságú adatokat használd; a szövegben és táblázatban ésszerűen kerekíts! A kis p-értékeket ne írd 0-nak.
- Az ábratípusokat önállóan válaszd meg, és röviden indokold a választásodat! Az ábrák legyenek áttekinthetők, megfelelő feliratokkal és mértékegységekkel.
- Az ábratípusokat önállóan válaszd meg, és röviden indokold a választásodat! Az ábrák legyenek áttekinthetők, megfelelő feliratokkal és mértékegységekkel.
- A kód és a fontos eredmények maradjanak láthatók a HTML-ben. Az ábrák tengelyeit változónévvel és indokolt mértékegységgel feliratozd.
1. Beolvasás és egészségügyi költség – 15 pont
- Olvasd be az adatokat! Ellenőrizd a méretet, a változók típusát és a hiányzó értékeket.
- A
chargesváltozóról készíts táblázatot: létszám, átlag, medián, szórás, alsó és felső kvartilis. - Készíts a változó eloszlásának bemutatására alkalmas ábrát! Jellemezd az eloszlást 2–3 mondatban: az átlag és medián viszonya, valamint a szóródás is szerepeljen benne.
2. Egészségügyi költség és nemi kategória – 20 pont
Kérdés: eltér-e a(z) charges sokasági átlaga a sex két kategóriájában?
- Nevezd meg a változók típusát, indokold a módszerválasztást, és fogalmazd meg H0-t és H1-et.
- Készíts csoportonként létszámot, átlagot, mediánt és szórást tartalmazó táblázatot, valamint a numerikus változó két csoport közötti összehasonlítására alkalmas ábrát.
- Végezz kétoldali próbát! Közöld a próbastatisztikát, a p-értéket, valamint az átlagkülönbség 95%-os konfidenciaintervallumát. A különbséget female − male sorrendben értelmezd.
- Hozd meg a döntést, és a különbséget USD egységben magyarázd el. Nevezz meg egy alkalmazási feltételt, amely a CSV-ből önmagában nem igazolható.
3. Bmi a négy régióban – 20 pont
Kérdés: megegyezik-e a(z) bmi sokasági átlaga a négy régióban?
- Indokold a módszerválasztást és fogalmazd meg a hipotéziseket.
- Készíts régiónként létszámot, átlagot és szórást tartalmazó táblázatot, és készíts a numerikus változó régiók közötti összehasonlítására alkalmas ábrát.
- Végezd el a tanult, azonos sokasági varianciát nem megkövetelő többcsoportos próbát; közöld az F-értéket, p-értéket és a döntést.
- Előre rögzített feladatként az összpróba eredményétől függetlenül készítsd el mind a hat Games–Howell-összehasonlítást. Nevezd meg az 5%-os szinten elutasított párokat, vagy jelezd, ha nincs ilyen. Egy választott pár különbségét és intervallumát kg/m² egységben értelmezd, megnevezve a kivonás sorrendjét.
4. Nemi kategória és dohányzási státusz – 15 pont
Kérdés: független-e egymástól a(z) sexés a(z) smoker a sokaságban?
- Nevezd meg a két változó típusát, válassz megfelelő vizsgálati módszert, és fogalmazd meg a null- és alternatív hipotézist.
- Készíts kereszttáblát a megfigyelt és várható gyakoriságokkal, valamint a kérdés megválaszolásához megfelelő százalékokkal. Melyik nemi kategóriában mekkora a dohányzók aránya? Az egyik százalékot ellenőrizd a darabszámokból.
- Ellenőrizd a választott próba alkalmazási feltételeit. Közöld a próbastatisztikát és a p-értéket, majd fogalmazd meg a döntést 5%-os szignifikanciaszinten.
- Vizsgáld meg a kapcsolat erősségét, és értelmezd a kapott eredményt.
5. Bmi és egészségügyi költség – 15 pont
- Készíts a két változó kapcsolatának bemutatására alkalmas ábrát!
- Számíts Pearson-korrelációt, végezd el a kétoldali próbáját és közöld a 95%-os konfidenciaintervallumot. Fogalmazd meg a hipotéziseket.
- Értelmezd a lineáris kapcsolat irányát és erősségét. Vesd össze a számszerű eredményt az ábrával: mennyire írja le a korreláció a látható kapcsolatot?
6. Hibás következtetés javítása és összegzés – 15 pont
- Javítsd az állítást:„Ha a férfi dohányzók darabszáma nagyobb a női dohányzókénál, akkor a férfiak között biztosan nagyobb a dohányzók aránya.” A(z) 4. rész saját számaira vagy ábrájára hivatkozva írd át szakmailag helyesen, és magyarázd el a hibát. Ha feltételes az állítás, jelezd azt is, hogy a saját eredményedben teljesül-e a feltétel.
- Foglald össze az elemzésed legfontosabb tanulságait 5–6 mondatban! Válassz ki két olyan eredményt, amelyet érdemes kiemelni, és konkrét számokkal mutasd be őket. Az összegzésből derüljön ki az is, milyen következtetést nem vonhatunk le az adatokból. Ne a feladatmegoldás lépéseit sorold fel.
- A Knit segítségével futtasd le a teljes dokumentumot. Ellenőrizd, hogy minden szükséges kód, eredmény, ábra és szöveges értelmezés megjelenik a HTML-ben.
Beadás
Két fájlt tölts fel: Vezeteknev_Keresztnev_04.Rmdés Vezeteknev_Keresztnev_04.html. Az időkeret a feltöltést is tartalmazza. Töltsd fel az Rmd- és a HTML-fájlt, majd véglegesítsd a beadást a Moodle-ben. Ellenőrizd, hogy a próbálkozásod lezárt állapotban van, mert a fájlok feltöltése önmagában még nem zárja le a beadást. A későbbi szóbeli kérdés a saját beadott elemzésedhez kapcsolódik; arra külön jegyet kapsz.
Forrás: Medical Cost Personal Datasets, Kaggle (mirichoi0218/insurance); CSV-másolat: stedy/Machine-Learning-with-R-datasets. Oktatói részállomány. A charges változó mértékegységét az oktatási feldolgozásban USD-ként használjuk; a forrás nem biztosít teljes adatfelvételi dokumentációt.
Önálló adatelemzés: egészségügyi költségek és egyéni jellemzők
15. változat · Időkeret: 180 perc · Összesen: 100 pont
Egy elemzői feladatban azt vizsgálod, hogyan különböznek az állományban szereplő személyek egészségügyi költségei és egyes jellemzői. Olyan jelentést készíts, amelyben a választott módszer, a kód, az eredmény és annak értelmezése egyaránt követhető.
Adatfájl:biztositas_15.csv letöltése
Töltsd le a CSV-t, majd hozz létre egy új, HTML-kimenetű R Markdown-dokumentumot! Add meg a címet és a saját nevedet, a gyári mintaszöveget és példakódokat pedig töröld. Mentsd a dokumentumot Vezeteknev_Keresztnev_01.Rmd néven a CSV-t tartalmazó mappába. A csomagbetöltéseket és a beolvasást is írd bele, a CSV-t biztositas néven olvasd be. A jelentést önállóan építsd fel a feladatok sorrendjében, fejezetcímekkel, R-kódrészletekkel és szöveges értelmezésekkel. A fájl 800 megfigyelést tartalmaz; egy sor egy forrásbeli megfigyelés. Az adatállomány amerikai régiókat jelöl. A költségek időszaka, árszintjének referenciaéve és a mintavételi terv nem kellően dokumentált: ne nevezd a költséget éves díjnak, és ne általánosíts automatikusan az amerikai lakosságra.
| Változó | Jelentése | Egység |
|---|---|---|
age | Életkor | év |
sex | Nemi kategória: female / male | kategória |
bmi | Testtömegindex | kg/m² |
children | Biztosításban szereplő gyermekek/eltartottak száma | fő |
smoker | Dohányzás: no / yes | kategória |
region | Régió: northeast, northwest, southeast, southwest | kategória |
charges | Egyéni egészségügyi költség, nem biztosítási díj | USD |
Munkaszabályok
- A tanult módszerek közül válassz; a választást röviden indokold! Minden próbánál 5%-os szignifikanciaszinttel dolgozz.
- A jegyzetek és technikai vagy AI-segítség használható. A beadott kódot és következtetéseket értened és ellenőrizned kell. Más hallgató kész megoldásának átvétele nem megengedett.
- A számításokhoz az eredeti pontosságú adatokat használd; a szövegben és táblázatban ésszerűen kerekíts! A kis p-értékeket ne írd 0-nak.
- Az ábratípusokat önállóan válaszd meg, és röviden indokold a választásodat! Az ábrák legyenek áttekinthetők, megfelelő feliratokkal és mértékegységekkel.
- Az ábratípusokat önállóan válaszd meg, és röviden indokold a választásodat! Az ábrák legyenek áttekinthetők, megfelelő feliratokkal és mértékegységekkel.
- A kód és a fontos eredmények maradjanak láthatók a HTML-ben. Az ábrák tengelyeit változónévvel és indokolt mértékegységgel feliratozd.
1. Beolvasás és életkor – 15 pont
- Olvasd be az adatokat! Ellenőrizd a méretet, a változók típusát és a hiányzó értékeket.
- A
ageváltozóról készíts táblázatot: létszám, átlag, medián, szórás, alsó és felső kvartilis. - Készíts a változó eloszlásának bemutatására alkalmas ábrát! Jellemezd az eloszlást 2–3 mondatban: az átlag és medián viszonya, valamint a szóródás is szerepeljen benne.
2. Életkor és dohányzási státusz – 20 pont
Kérdés: eltér-e a(z) age sokasági átlaga a smoker két kategóriájában?
- Nevezd meg a változók típusát, indokold a módszerválasztást, és fogalmazd meg H0-t és H1-et.
- Készíts csoportonként létszámot, átlagot, mediánt és szórást tartalmazó táblázatot, valamint a numerikus változó két csoport közötti összehasonlítására alkalmas ábrát.
- Végezz kétoldali próbát! Közöld a próbastatisztikát, a p-értéket, valamint az átlagkülönbség 95%-os konfidenciaintervallumát. A különbséget no − yes sorrendben értelmezd.
- Hozd meg a döntést, és a különbséget év egységben magyarázd el. Nevezz meg egy alkalmazási feltételt, amely a CSV-ből önmagában nem igazolható.
3. Egészségügyi költség a négy régióban – 20 pont
Kérdés: megegyezik-e a(z) charges sokasági átlaga a négy régióban?
- Indokold a módszerválasztást és fogalmazd meg a hipotéziseket.
- Készíts régiónként létszámot, átlagot és szórást tartalmazó táblázatot, és készíts a numerikus változó régiók közötti összehasonlítására alkalmas ábrát.
- Végezd el a tanult, azonos sokasági varianciát nem megkövetelő többcsoportos próbát; közöld az F-értéket, p-értéket és a döntést.
- Előre rögzített feladatként az összpróba eredményétől függetlenül készítsd el mind a hat Games–Howell-összehasonlítást. Nevezd meg az 5%-os szinten elutasított párokat, vagy jelezd, ha nincs ilyen. Egy választott pár különbségét és intervallumát USD egységben értelmezd, megnevezve a kivonás sorrendjét.
4. Nemi kategória és dohányzási státusz – 15 pont
Kérdés: független-e egymástól a(z) sexés a(z) smoker a sokaságban?
- Nevezd meg a két változó típusát, válassz megfelelő vizsgálati módszert, és fogalmazd meg a null- és alternatív hipotézist.
- Készíts kereszttáblát a megfigyelt és várható gyakoriságokkal, valamint a kérdés megválaszolásához megfelelő százalékokkal. Melyik nemi kategóriában mekkora a dohányzók aránya? Az egyik százalékot ellenőrizd a darabszámokból.
- Ellenőrizd a választott próba alkalmazási feltételeit. Közöld a próbastatisztikát és a p-értéket, majd fogalmazd meg a döntést 5%-os szignifikanciaszinten.
- Vizsgáld meg a kapcsolat erősségét, és értelmezd a kapott eredményt.
5. Életkor és egészségügyi költség – 15 pont
- Készíts a két változó kapcsolatának bemutatására alkalmas ábrát!
- Számíts Pearson-korrelációt, végezd el a kétoldali próbáját és közöld a 95%-os konfidenciaintervallumot. Fogalmazd meg a hipotéziseket.
- Értelmezd a lineáris kapcsolat irányát és erősségét. Vesd össze a számszerű eredményt az ábrával: mennyire írja le a korreláció a látható kapcsolatot?
6. Hibás következtetés javítása és összegzés – 15 pont
- Javítsd az állítást:„Az 5%-os szinten szignifikáns átlagéletkor-különbség egyúttal azt jelenti, hogy a különbség gyakorlati szempontból nagy.” A(z) 2. rész saját számaira vagy ábrájára hivatkozva írd át szakmailag helyesen, és magyarázd el a hibát. Ha feltételes az állítás, jelezd azt is, hogy a saját eredményedben teljesül-e a feltétel.
- Foglald össze az elemzésed legfontosabb tanulságait 5–6 mondatban! Válassz ki két olyan eredményt, amelyet érdemes kiemelni, és konkrét számokkal mutasd be őket. Az összegzésből derüljön ki az is, milyen következtetést nem vonhatunk le az adatokból. Ne a feladatmegoldás lépéseit sorold fel.
- A Knit segítségével futtasd le a teljes dokumentumot. Ellenőrizd, hogy minden szükséges kód, eredmény, ábra és szöveges értelmezés megjelenik a HTML-ben.
Beadás
Két fájlt tölts fel: Vezeteknev_Keresztnev_15.Rmdés Vezeteknev_Keresztnev_15.html. Az időkeret a feltöltést is tartalmazza. Töltsd fel az Rmd- és a HTML-fájlt, majd véglegesítsd a beadást a Moodle-ben. Ellenőrizd, hogy a próbálkozásod lezárt állapotban van, mert a fájlok feltöltése önmagában még nem zárja le a beadást. A későbbi szóbeli kérdés a saját beadott elemzésedhez kapcsolódik; arra külön jegyet kapsz.
Forrás: Medical Cost Personal Datasets, Kaggle (mirichoi0218/insurance); CSV-másolat: stedy/Machine-Learning-with-R-datasets. Oktatói részállomány. A charges változó mértékegységét az oktatási feldolgozásban USD-ként használjuk; a forrás nem biztosít teljes adatfelvételi dokumentációt.
Önálló adatelemzés: egészségügyi költségek és egyéni jellemzők
11. változat · Időkeret: 180 perc · Összesen: 100 pont
Egy elemzői feladatban azt vizsgálod, hogyan különböznek az állományban szereplő személyek egészségügyi költségei és egyes jellemzői. Olyan jelentést készíts, amelyben a választott módszer, a kód, az eredmény és annak értelmezése egyaránt követhető.
Adatfájl:biztositas_11.csv letöltése
Töltsd le a CSV-t, majd hozz létre egy új, HTML-kimenetű R Markdown-dokumentumot! Add meg a címet és a saját nevedet, a gyári mintaszöveget és példakódokat pedig töröld. Mentsd a dokumentumot Vezeteknev_Keresztnev_01.Rmd néven a CSV-t tartalmazó mappába. A csomagbetöltéseket és a beolvasást is írd bele, a CSV-t biztositas néven olvasd be. A jelentést önállóan építsd fel a feladatok sorrendjében, fejezetcímekkel, R-kódrészletekkel és szöveges értelmezésekkel. A fájl 800 megfigyelést tartalmaz; egy sor egy forrásbeli megfigyelés. Az adatállomány amerikai régiókat jelöl. A költségek időszaka, árszintjének referenciaéve és a mintavételi terv nem kellően dokumentált: ne nevezd a költséget éves díjnak, és ne általánosíts automatikusan az amerikai lakosságra.
| Változó | Jelentése | Egység |
|---|---|---|
age | Életkor | év |
sex | Nemi kategória: female / male | kategória |
bmi | Testtömegindex | kg/m² |
children | Biztosításban szereplő gyermekek/eltartottak száma | fő |
smoker | Dohányzás: no / yes | kategória |
region | Régió: northeast, northwest, southeast, southwest | kategória |
charges | Egyéni egészségügyi költség, nem biztosítási díj | USD |
Munkaszabályok
- A tanult módszerek közül válassz; a választást röviden indokold! Minden próbánál 5%-os szignifikanciaszinttel dolgozz.
- A jegyzetek és technikai vagy AI-segítség használható. A beadott kódot és következtetéseket értened és ellenőrizned kell. Más hallgató kész megoldásának átvétele nem megengedett.
- A számításokhoz az eredeti pontosságú adatokat használd; a szövegben és táblázatban ésszerűen kerekíts! A kis p-értékeket ne írd 0-nak.
- Az ábratípusokat önállóan válaszd meg, és röviden indokold a választásodat! Az ábrák legyenek áttekinthetők, megfelelő feliratokkal és mértékegységekkel.
- Az ábratípusokat önállóan válaszd meg, és röviden indokold a választásodat! Az ábrák legyenek áttekinthetők, megfelelő feliratokkal és mértékegységekkel.
- A kód és a fontos eredmények maradjanak láthatók a HTML-ben. Az ábrák tengelyeit változónévvel és indokolt mértékegységgel feliratozd.
1. Beolvasás és BMI – 15 pont
- Olvasd be az adatokat! Ellenőrizd a méretet, a változók típusát és a hiányzó értékeket.
- A
bmiváltozóról készíts táblázatot: létszám, átlag, medián, szórás, alsó és felső kvartilis. - Készíts a változó eloszlásának bemutatására alkalmas ábrát! Jellemezd az eloszlást 2–3 mondatban: az átlag és medián viszonya, valamint a szóródás is szerepeljen benne.
2. Bmi és dohányzási státusz – 20 pont
Kérdés: eltér-e a(z) bmi sokasági átlaga a smoker két kategóriájában?
- Nevezd meg a változók típusát, indokold a módszerválasztást, és fogalmazd meg H0-t és H1-et.
- Készíts csoportonként létszámot, átlagot, mediánt és szórást tartalmazó táblázatot, valamint a numerikus változó két csoport közötti összehasonlítására alkalmas ábrát.
- Végezz kétoldali próbát! Közöld a próbastatisztikát, a p-értéket, valamint az átlagkülönbség 95%-os konfidenciaintervallumát. A különbséget no − yes sorrendben értelmezd.
- Hozd meg a döntést, és a különbséget kg/m² egységben magyarázd el. Nevezz meg egy alkalmazási feltételt, amely a CSV-ből önmagában nem igazolható.
3. Életkor a négy régióban – 20 pont
Kérdés: megegyezik-e a(z) age sokasági átlaga a négy régióban?
- Indokold a módszerválasztást és fogalmazd meg a hipotéziseket.
- Készíts régiónként létszámot, átlagot és szórást tartalmazó táblázatot, és készíts a numerikus változó régiók közötti összehasonlítására alkalmas ábrát.
- Végezd el a tanult, azonos sokasági varianciát nem megkövetelő többcsoportos próbát; közöld az F-értéket, p-értéket és a döntést.
- Előre rögzített feladatként az összpróba eredményétől függetlenül készítsd el mind a hat Games–Howell-összehasonlítást. Nevezd meg az 5%-os szinten elutasított párokat, vagy jelezd, ha nincs ilyen. Egy választott pár különbségét és intervallumát év egységben értelmezd, megnevezve a kivonás sorrendjét.
4. Régió és dohányzási státusz – 15 pont
Kérdés: független-e egymástól a(z) regionés a(z) smoker a sokaságban?
- Nevezd meg a két változó típusát, válassz megfelelő vizsgálati módszert, és fogalmazd meg a null- és alternatív hipotézist.
- Készíts kereszttáblát a megfigyelt és várható gyakoriságokkal, valamint a kérdés megválaszolásához megfelelő százalékokkal. Hasonlítsd össze a kiválasztott kategória arányát a másik változó kategóriái között, és nevezd meg a százalékok viszonyítási alapját. Az egyik százalékot ellenőrizd a darabszámokból.
- Ellenőrizd a választott próba alkalmazási feltételeit. Közöld a próbastatisztikát és a p-értéket, majd fogalmazd meg a döntést 5%-os szignifikanciaszinten.
- Vizsgáld meg a kapcsolat erősségét, és értelmezd a kapott eredményt.
5. Bmi és egészségügyi költség – 15 pont
- Készíts a két változó kapcsolatának bemutatására alkalmas ábrát!
- Számíts Pearson-korrelációt, végezd el a kétoldali próbáját és közöld a 95%-os konfidenciaintervallumot. Fogalmazd meg a hipotéziseket.
- Értelmezd a lineáris kapcsolat irányát és erősségét. Vesd össze a számszerű eredményt az ábrával: mennyire írja le a korreláció a látható kapcsolatot?
6. Hibás következtetés javítása és összegzés – 15 pont
- Javítsd az állítást:„A khi-négyzet-próbában a megfigyelt gyakoriságok nagyságából döntjük el, hogy megfelelőek-e a várható gyakoriságok.” A(z) 4. rész saját számaira vagy ábrájára hivatkozva írd át szakmailag helyesen, és magyarázd el a hibát. Ha feltételes az állítás, jelezd azt is, hogy a saját eredményedben teljesül-e a feltétel.
- Foglald össze az elemzésed legfontosabb tanulságait 5–6 mondatban! Válassz ki két olyan eredményt, amelyet érdemes kiemelni, és konkrét számokkal mutasd be őket. Az összegzésből derüljön ki az is, milyen következtetést nem vonhatunk le az adatokból. Ne a feladatmegoldás lépéseit sorold fel.
- A Knit segítségével futtasd le a teljes dokumentumot. Ellenőrizd, hogy minden szükséges kód, eredmény, ábra és szöveges értelmezés megjelenik a HTML-ben.
Beadás
Két fájlt tölts fel: Vezeteknev_Keresztnev_11.Rmdés Vezeteknev_Keresztnev_11.html. Az időkeret a feltöltést is tartalmazza. Töltsd fel az Rmd- és a HTML-fájlt, majd véglegesítsd a beadást a Moodle-ben. Ellenőrizd, hogy a próbálkozásod lezárt állapotban van, mert a fájlok feltöltése önmagában még nem zárja le a beadást. A későbbi szóbeli kérdés a saját beadott elemzésedhez kapcsolódik; arra külön jegyet kapsz.
Forrás: Medical Cost Personal Datasets, Kaggle (mirichoi0218/insurance); CSV-másolat: stedy/Machine-Learning-with-R-datasets. Oktatói részállomány. A charges változó mértékegységét az oktatási feldolgozásban USD-ként használjuk; a forrás nem biztosít teljes adatfelvételi dokumentációt.
Önálló adatelemzés: egészségügyi költségek és egyéni jellemzők
01. változat · Időkeret: 180 perc · Összesen: 100 pont
Egy elemzői feladatban azt vizsgálod, hogyan különböznek az állományban szereplő személyek egészségügyi költségei és egyes jellemzői. Olyan jelentést készíts, amelyben a választott módszer, a kód, az eredmény és annak értelmezése egyaránt követhető.
Adatfájl:biztositas_01.csv letöltése
Töltsd le a CSV-t, majd hozz létre egy új, HTML-kimenetű R Markdown-dokumentumot! Add meg a címet és a saját nevedet, a gyári mintaszöveget és példakódokat pedig töröld. Mentsd a dokumentumot Vezeteknev_Keresztnev_01.Rmd néven a CSV-t tartalmazó mappába. A csomagbetöltéseket és a beolvasást is írd bele, a CSV-t biztositas néven olvasd be. A jelentést önállóan építsd fel a feladatok sorrendjében, fejezetcímekkel, R-kódrészletekkel és szöveges értelmezésekkel. A fájl 800 megfigyelést tartalmaz; egy sor egy forrásbeli megfigyelés. Az adatállomány amerikai régiókat jelöl. A költségek időszaka, árszintjének referenciaéve és a mintavételi terv nem kellően dokumentált: ne nevezd a költséget éves díjnak, és ne általánosíts automatikusan az amerikai lakosságra.
| Változó | Jelentése | Egység |
|---|---|---|
age | Életkor | év |
sex | Nemi kategória: female / male | kategória |
bmi | Testtömegindex | kg/m² |
children | Biztosításban szereplő gyermekek/eltartottak száma | fő |
smoker | Dohányzás: no / yes | kategória |
region | Régió: northeast, northwest, southeast, southwest | kategória |
charges | Egyéni egészségügyi költség, nem biztosítási díj | USD |
Munkaszabályok
- A tanult módszerek közül válassz; a választást röviden indokold! Minden próbánál 5%-os szignifikanciaszinttel dolgozz.
- A jegyzetek és technikai vagy AI-segítség használható. A beadott kódot és következtetéseket értened és ellenőrizned kell. Más hallgató kész megoldásának átvétele nem megengedett.
- A számításokhoz az eredeti pontosságú adatokat használd; a szövegben és táblázatban ésszerűen kerekíts! A kis p-értékeket ne írd 0-nak.
- Az ábratípusokat önállóan válaszd meg, és röviden indokold a választásodat! Az ábrák legyenek áttekinthetők, megfelelő feliratokkal és mértékegységekkel.
- A kód és a fontos eredmények maradjanak láthatók a HTML-ben. Az ábrák tengelyeit változónévvel és indokolt mértékegységgel feliratozd.
1. Beolvasás és első áttekintés – 15 pont
- Olvasd be az adatokat! Ellenőrizd a méretet, a változók típusát és a hiányzó értékeket.
- A
chargesváltozóra készíts táblázatot: létszám, átlag, medián, szórás, alsó és felső kvartilis. - Készíts a változó eloszlásának bemutatására alkalmas ábrát! Két mondatban jellemezd a költségek eloszlását, az átlag és a medián különbségére is kitérve.
2. Költségek és dohányzási státusz – 20 pont
Kérdés: eltér-e az átlagos költség a két dohányzási kategóriában?
- Nevezd meg a két változó típusát, és indokold a módszerválasztást. Írd fel a null- és alternatív hipotézist.
- Készíts csoportonként létszámot, átlagot, mediánt és szórást tartalmazó táblázatot, valamint a numerikus változó két csoport közötti összehasonlítására alkalmas ábrát.
- Végezz kétoldali próbát! Közöld a próbastatisztikát, a p-értéket és a két átlag különbségének 95%-os konfidenciaintervallumát. Nevezd meg, milyen sorrendben számolod a különbséget!
- Értelmezd a különbséget USD-ben és hozd meg a döntést! Nevezz meg egy alkalmazási feltételt, amelynek teljesülését a CSV önmagában nem igazolja.
3. BMI és régió – 20 pont
Kérdés: megegyezik-e az átlagos BMI a négy régióban?
- Indokold a módszerválasztást, és fogalmazd meg a hipotéziseket.
- Készíts régiónként létszámot, átlagot és szórást tartalmazó táblázatot, valamint a numerikus változó régiók közötti összehasonlítására alkalmas ábrát.
- Végezd el a tanult, azonos varianciát nem megkövetelő többcsoportos próbát. Közöld az F-értéket és a p-értéket, majd a döntést.
- A változatok azonos terhelése érdekében az összpróba eredményétől függetlenül készítsd el mind a hat Games–Howell-összehasonlítást. A korrigált p-értékek alapján nevezd meg az eltérő átlagú párokat. Egy választott pár átlagkülönbségét és intervallumát értelmezd; ha nincs elutasított pár, egy nem elutasított párt értelmezz.
4. Nem és dohányzási státusz – 15 pont
Kérdés: összefügg-e a két kategóriaváltozó?
- Nevezd meg a két változó típusát, válassz megfelelő vizsgálati módszert, és fogalmazd meg a null- és alternatív hipotézist.
- Készíts kereszttáblát a megfigyelt és várható gyakoriságokkal, valamint a kérdés megválaszolásához megfelelő százalékokkal. Melyik nemi kategóriában mekkora a dohányzók aránya? Az egyik százalékot ellenőrizd a darabszámokból.
- Ellenőrizd a választott próba alkalmazási feltételeit. Közöld a próbastatisztikát és a p-értéket, majd fogalmazd meg a döntést 5%-os szignifikanciaszinten.
- Vizsgáld meg a kapcsolat erősségét, és értelmezd a kapott eredményt.
5. Életkor és költség – 15 pont
- Készíts a két változó kapcsolatának bemutatására alkalmas ábrát!
- Számíts Pearson-korrelációt, végezd el a kétoldali próbáját és közöld a korreláció 95%-os konfidenciaintervallumát. Fogalmazd meg a hipotéziseket.
- Értelmezd a lineáris kapcsolat irányát és erősségét. Vesd össze a számszerű eredményt az ábrával: mennyire írja le a korreláció a látható kapcsolatot?
6. Hibás következtetés javítása és összegzés – 15 pont
- Javítsd ezt az állítást:„A csoportátlagok különbsége megmutatja, mennyivel növeli meg a dohányzás az egészségügyi költséget.” Írj helyette szakmailag helyes mondatot a 2. rész saját számaival! Magyarázd meg röviden a hibát.
- Foglald össze az elemzésed legfontosabb tanulságait 5–6 mondatban! Válassz ki két olyan eredményt, amelyet érdemes kiemelni, és konkrét számokkal mutasd be őket. Az összegzésből derüljön ki az is, milyen következtetést nem vonhatunk le az adatokból. Ne a feladatmegoldás lépéseit sorold fel.
- A Knit segítségével futtasd le a teljes dokumentumot. Ellenőrizd, hogy minden szükséges kód, eredmény, ábra és szöveges értelmezés megjelenik a HTML-ben.
Beadás
Két fájlt tölts fel: Vezeteknev_Keresztnev_01.Rmdés Vezeteknev_Keresztnev_01.html. Az időkeret a feltöltést is tartalmazza. Töltsd fel az Rmd- és a HTML-fájlt, majd véglegesítsd a beadást a Moodle-ben. Ellenőrizd, hogy a próbálkozásod lezárt állapotban van, mert a fájlok feltöltése önmagában még nem zárja le a beadást. A későbbi szóbeli kérdés a saját beadott elemzésedhez kapcsolódik; arra külön jegyet kapsz.
Forrás: Medical Cost Personal Datasets, Kaggle (mirichoi0218/insurance); CSV-másolat: stedy/Machine-Learning-with-R-datasets. Oktatói részállomány. A charges változó mértékegységét az oktatási feldolgozásban USD-ként használjuk; a forrás nem biztosít teljes adatfelvételi dokumentációt.